DreamTrue 推出采用反事实微调的机器人世界模型

研究人员在 arXiv 上发表了论文 DreamTrue: Action-Faithful Robot World Model with Counterfactual Post-Training，其中提出了一种用于预测与动作一致视频的机器人多视角世界模型。该模型在 AgiBot 数据上训练，并在 AgiBot World Challenge 2026 的 world model 赛道中获得第一名。作者已将代码开源。

这意味着什么

DreamTrue 是面向机器人技术的世界模型，而不是面向用户任务的视频生成器。在我们的视频生成器栏目中，没有任何工具能解决根据机器人动作轨迹预测未来帧的任务。形态上最接近的工具——Maestro、LTX-Video 和 CogVideoX（智谱 CogVideoX）——处理的是文本或视觉提示，而不是动作轨迹和接触构型。 DreamTrue 的作者既未说明模型规模，也未说明显存要求，更未说明许可证。目前只知道代码已开源，训练和评估均在 AgiBot 数据上进行。作为对比：LTX-Video 声称需要 1 GB 显存起，Maestro 需要 12 GB 起，而 CogVideoX 面向 NVIDIA H100 及以上。 目前与我们的指南尚无实际交集：DreamTrue 解决的是物理上合理的机器人—物体交互预测任务，而不是根据文本或图像生成视频。如果作者公布模型权重和硬件要求，就可以评估该模型在多大程度上适合在自己的硬件上运行。